3Blue1Brown创始人：为什么AI能破解80年的数学猜想，却还写不好一篇文章？ 原创

Dwarkesh Patel播客2026年7月1日发布了一期关于AI与数学未来的对话。嘉宾Grant Sanderson是YouTube频道3Blue1Brown的创始人，该频道以数学概念的可视化解释闻名，是全球最受欢迎的数学教育频道之一。Sanderson在斯坦福学习数学和计算机科学，毕业后曾在可汗学院制作教学视频，2016年底起全职运营3Blue1Brown。他正在制作一个采访大量数学家的纪录片系列，主题是AI在数学领域的最新进展，这个项目从2025年中开始，到2026年还在拍摄中。

这期对话的背景是2026年上半年AI数学成果密集爆发。4月，一个叫Liam Price的23岁年轻人用ChatGPT Pro把Erdos问题1196号喂给GPT-5.4 Pro，约80分钟后拿到一个正确的解答，核心思路是把整数的整除结构建模为马尔可夫链随机游走，陶哲轩随后带领8人团队正式发表了这个证明。5月20日，OpenAI推翻了Erdos于1946年提出的单位距离猜想，一个存在了80年的数学问题。这两件事让"AI与数学"成为2026年最热的话题之一。

1. 三种解法，三种未来

三年前Dwarkesh第一次采访Sanderson时问过一个问题：如果AI在国际数学奥林匹克竞赛（IMO）上拿到金牌，那算不算AGI？ Sanderson当时的回答是它只会变成又一个被攻克的基准测试。这个判断已经被验证了。2024年AI基本上可以在IMO上拿金牌，如果不是那年恰好出了两道组合题的话。几何题19秒出解，本质上是暴力求解器。Sanderson指出，IMO的四个类别是几何、数论、代数、组合，对AI来说难度天差地别。组合题最像有游戏性质的智力谜题，也是AI表现最弱的地方。

但金牌并没有改变世界。所以Dwarkesh把问题升级了：如果AI解决了千禧年难题呢？比如黎曼猜想？到那个时候，还会有大量人类工作是AI无法自动化的吗？

Sanderson把这个问题拆成了三条路径，每条路径对白领工作的替代性给出截然不同的答案。

第一种是"闪电连接"。 AI精通多个看似无关的领域，在它们之间找到意想不到的桥梁。他举了一个经典故事：数论学家Hugh Montgomery在普林斯顿高等研究院和物理学家Freeman Dyson聊天，提到黎曼ζ函数零点对之间的统计关联，写下一个公式。Dyson说，这个表达式我认识，它出现在随机厄米矩阵的特征值研究中。两个完全不同领域的公式长得一样，催生了随机矩阵理论与黎曼ζ函数之间尚未被充分探索的关联。如果黎曼猜想的突破是这种类型的，AI的优势在于它同时是量子物理的专家和解析数论的专家，不需要两个人恰好在午餐时碰面。 但这种能力距离替代白领工作仍然遥远，因为白领工作的瓶颈不是"把已知的一切连接起来"。

第二种是"建山"。 类似费马大定理的证明历程。费马大定理的陈述简单到中学生都能懂：x的n次方加y的n次方等于z的n次方，当n大于3时有没有整数解？但实际证明需要椭圆曲线和模形式两座数百年积累的理论大山先被建起来，然后才能提出连接它们的正确问题。如果AI能"建山"，能创造一套全新的理论，把一个学科应该怎么想这件事提炼清楚，那这种智能水平之高，让人很难相信它不会扩散到经济的其他环节。

第三种是"蛮力推演"。 纯粹靠更长的推理链条，不产生新理论，只是一份上千页的、没有人能从中获得洞见的证明。类似于用一种理论上可行但对人类理解力毫无贡献的方式通过考试。

三条路径对人类理解力的影响完全不同。"闪电连接"天然容易被人理解，因为你只需要展示两个端点之间的桥梁。2026年那个Erdos问题1196号就属于这种类型：核心想法是用马尔可夫链的概率语言重新表述一个数论问题。Sanderson说，如果把这个想法讲给一个懂行的数学家，对方基本能自己跑完剩下的证明。 这就是"小想法，大效果"。

"建山"型的成果则需要人类花大量时间去攀登。Sanderson提到了ABC猜想的前车之鉴：日本数学家望月新一提出了一套叫"宇宙际几何"的理论框架，数学界花了多年试图理解他在说什么，最终多数人倾向于认为这个证明大概率不成立。最坏的情况是AI"建了一座山"，数学家花数年爬上去，发现山顶什么都没有。

2. "好的数学家证明定理，最伟大的数学家创造定义"

Dwarkesh问了一个更尖锐的问题：既然AI已经能跨领域连接想法来推翻猜想，下一个真正有意义的门槛是什么？

Sanderson引用了一个分层：好的数学家证明定理，伟大的数学家提出猜想，最伟大的数学家创造定义。 他认为AI的下一个门槛就在后两层。猜想生成和定义创造。这两件事意味着什么？意味着判断一个问题值不值得研究，一个概念是否能打开一个全新的领域。

但问题来了：这两件事几乎不可能做成基准测试。 你无法像IMO那样给出一个明确的"通过/未通过"判定。你不能写一个标题说"GPT-5.4提出了一个好猜想"，因为没人能量化什么是"好"猜想。Sanderson指出，凡是无法做成基准测试的能力，在当前范式下也几乎无法直接训练，因为基准测试和训练环境之间没有本质区别。

那怎么衡量进步？Sanderson的回答是：靠数学家谈论AI时的语气变化。 他的纪录片项目从2025年中开始拍摄，到2026年已经能感受到语气的转变。在AI的世界里，一年是很长的时间。他预计，衡量AI猜想生成能力的方式不会是一个跑分数字，而是数学家们开始说"我在决定自己的研究方向时，和模型的对话是真正有帮助的"。

3. 从拉格朗日到伽罗瓦：一个世纪的验证循环

为了解释"重要的数学突破为什么这么难识别"，Sanderson讲了一个他花了一年时间研究的故事。

二次方程的求根公式古代就有。文艺复兴时期，一群意大利数学家通过秘密竞赛找到了三次方程和四次方程的公式。四次方程的公式已经复杂到通常不会完整写出来。自然的问题是：五次方程有没有公式？

拉格朗日发现了一个关键线索。他指出，能否求解一个多项式方程与某些代数表达式在变量置换下的对称性有深层联系。比如 a+b+c+d 无论怎么排列值都不变，但 (a+b)×(c+d) 在某些排列下会改变。他的洞见是：如果你能找到一个含四个自由变量的表达式，使得所有排列只产生三个不同的值，那这种性质与把四次方程化简为三次方程直接相关。推广到五次方程，你需要一个含五个自由变量的表达式，在全部120种排列下只产生最多四个不同的值。Sanderson指出，这个条件可以写成一道12岁孩子就能参与的脑筋急转弯，试过之后你会觉得不可能做到。

这是数学史上第一次有人意识到，对称性可能是研究多项式方程的正确角度。但拉格朗日本人并没有解决任何问题。

大约50年后，阿贝尔和伽罗瓦几乎同时在这条路上走出关键步伐。阿贝尔证明了五次方程不可能有根式求解公式。伽罗瓦走得更远，他的理论可以针对任何具体的多项式方程判断其根能否用根式表达。但伽罗瓦的理论在当时无法通过任何形式的"验证"。他在监狱里写下想法，之前提交给法国科学院的论文被拒。Sanderson说，拒稿并非不合理。伽罗瓦写的东西确实不连贯，不是一个完整的证明。用RL的术语说，当时充当验证函数的人类审稿人给出的反馈是"不合格"。但他有某种直觉，觉得这里面有东西。

伽罗瓦20岁死于决斗。他托付兄弟和朋友把笔记转交给高斯等数学家。又过了20年，刘维尔才注意到笔记里可能有价值的东西。再过20年，约尔当才写出接近现代形态的群论专著。从拉格朗日隐约感觉"对称性可能是正确的方向"到群论成形，中间隔了一百多年。在这漫长的时间里，这个想法大部分时候连人类审稿人的验证关卡都过不了。

而群论真正展现出实用价值还要更久。 20世纪物理学家盖尔曼用群论的分解方式预言了夸克的存在。密码学直到更晚才用到椭圆曲线。Sanderson的结论是：如果你想奖励的是"伽罗瓦式的直觉"而不仅仅是"你解决了一个问题"，你需要一种完全不同的衡量方式。

他提到了一个可能的方向：压缩即智能。也许可以奖励概念的精简程度：一个更小的表达式如果具有更强的预测力，就更有价值。类似柯尔莫哥洛夫复杂度的思想：不只问"答案对不对"，还问"用了多小的概念工具集"。

4. 超级连接器与系统性熵增

大部分数学家的日常工作并不是瞄准一个具体问题然后解决它。Sanderson以Langlands纲领为例：Langlands在一封著名的信中指出，数学中似乎存在大量尚未被发现的深层联系，费马大定理的证明只是这类联系的一个实例。大量数学家把自己的工作描述为"试图理解这张大地图上不同区域之间的线索"。Sanderson判断，未来五年AI在数学领域最有用的进展，大概率就是大规模填充跨领域的知识桥梁。

Dwarkesh补充了一个Sanderson高度认同的观点：我们讨论AI时总是关注单个系统有多聪明，忽略了数字智能可以任意并行化。不管AI在某个时刻的能力水平如何，它不是数学史上某个在决斗中死去的孤独天才做出几个联系然后消失，而是把那个水平线同时铺展到所有可触及的问题上。 他用Montgomery和Dyson的故事类比：一个研究所之所以比一个人聪明，是因为你希望那些偶然的午餐对话发生。现在可以在智能体之间工程化地制造这些对话。

Sanderson在这个基础上提出了一个反直觉的想法。人们常常担心AI存在"熵坍缩"：所有模型训练方式相似，思维模式趋同。但AI最大的优势可能恰恰是在提示层面系统性地增加熵。具体做法是把同一个问题交给多个智能体，故意给它们不同的上下文和偏见：一个试图证明命题成立，另一个试图推翻它；一个从概率论角度出发，另一个从代数角度出发。

他用爱因斯坦来类比。爱因斯坦有一个极其富有成效的偏见：物理定律在不同参考系下应该看起来一样。但他还有另一个偏见，"上帝不掷骰子"，这个偏见阻碍了量子力学的发展。如果你让所有AI都变成爱因斯坦，量子力学就会停滞。你需要的是多个独立的研究纲领，各自带着自己的启发式方法。 这意味着不存在一种"正确的科学启发式方法"，你需要的是多样性本身。

他还透露了纪录片系列的第一集内容。那一集会聚焦一道AI和许多顶尖学生（包括陶哲轩）都做错了的IMO题目。这道题在IMO的语境下会强烈诱导你走一条优雅但无法证明最优的路径，而真正的答案几乎简单到令人尴尬。解题的关键是"逃离你的上下文"：逃离你身处IMO赛场的上下文，逃离你受过的竞赛数学训练。 如果把同样的题目当街头脑筋急转弯抛给路人，路人反而可能答对。这恰好是"系统性熵增"策略的完美案例：给不同的智能体不同的上下文，比让所有智能体共享同一个上下文更有可能找到正确答案。

5. 数学为什么跑得最快：不只是因为可验证

对话中途Dwarkesh抛出了一个看似跑题的问题：AI在计算机操作（computer use）方面为什么进展那么慢？

Sanderson认为这个问题恰好揭示了AI在数学领域进展快的第二个原因，一个被大多数人忽视的原因。多数人把数学进展快归结为"可验证性"：数学答案对就是对、错就是错，可以作为RL训练的验证奖励。但计算机操作同样容易验证："我的包裹到了没有""我的活动订上了没有"，这些结果判断完全明确。

真正的差异在于可反复刷（grindable）。数学问题可以启动成千上万个并行rollout反复尝试，结果确定性高，信用分配清晰。但网站有反爬虫机制，你不可能在亚马逊的结账页面同时跑一千个并行测试。代码也类似，你可以把代码仓库容器化，派出几百个并行容器各自实现同一个功能，因为结果完全确定，你能精确定位成功和失败之间的差异。但现实世界的大多数任务没法这样容器化。建一个成功的企业、在市场上交易一天赚到钱、操作浏览器完成购物，每天起点不同，你没法反复重放并刷同一个模拟器。

关于Lean形式化系统在AI数学中的角色，Sanderson的判断同样出人意料。他认为Lean作为RL训练的验证奖励环境被高估了。 理由摆在眼前：DeepMind在2024年IMO上用的是全Lean方案，下一年就换成了全自然语言方案。OpenAI推翻单位距离猜想时发布的推理过程中也没有Lean。

但Lean有一个尚未被充分探索的独特价值。你可以启动一个程序让它持续不断地尝试扩展Mathlib，一个用代码写成的数学定理库，永远不需要人来检查。它可能自己生成猜想、自己发展新定义，其中大多数是垃圾，但它拥有一棵可以无限生长的逻辑树。让它持续运行，不断往里灌算力，十年之后再回来看它积累了什么。这是数学独有的一种可能性：可以完全脱离人类监督地"跑"。

Sanderson引用了陶哲轩正在参与的一个研究项目：穷举搜索所有可能的代数公理系统。大多数公理系统产生的结果毫无意思，但偶尔会出现一个"小岛"，一个全新的公理系统，至少在定理产量上看起来丰富。也许其中某个"小岛"可以被回溯性地赋予动机，就像回头看群论的公理时你会意识到"原来这就是在刻画对称性"。

Dwarkesh还提到了Karpathy2026年3月发布的autoresearch项目：一个630行的Python文件，封装了基本的LLM训练流程，让智能体自主修改代码、运行5分钟实验、根据结果保留或丢弃修改，然后重复。一个晚上无人监督就跑了50个实验。这和Mathlib扩展的逻辑完全一致：设定好评估标准，然后让机器自己去探索。

Lean还有另一个独特的作用。Sanderson引用数学家Alex Kontorovich的观点：当AI每天生成10篇论文时，如果存在任何错误率，哪怕99%是对的，对数学家来说也会无法忍受。 你不知道一篇AI论文值不值得花时间去读，因为找出错误本身极其费力，如果最后发现是垃圾，你的时间就白花了。Lean的绿色对勾意味着"哪怕这个证明复杂到令人痛苦，你至少知道它是对的"。其他所有学科都梦寐以求这样一个东西，数学恰好有。

6. 箱子里的聪明人

对话在这里出现了一个转折。既然AI在数学领域进展如此之快，为什么在写作方面却几乎没有类似的突破？

Sanderson用一个思想实验解释了自回归生成方式的根本局限。想象一个聪明人被锁在箱子里，与世界互动的唯一方式是收到一张纸条，预测下一个会出现什么，然后记忆被清除。重复无数次之后出来一篇文章。这个人看了可能会说："这不是我会写的文章。" 因为反复预测下一个词和构思整体文章是两件完全不同的事情。在这种模式下，你是自己上下文的奴隶：正在回答某个特定领域的问题，就会调动那个领域的全部知识往那个方向走，而真正有价值的连接恰恰是那些极不可能的、跳出当前领域的联想。

但写作的问题比这更深。Sanderson指出代码和数学都具有模块化属性，一个函数写得再粗糙，只要输出对就能用。写作则不同：读者消费的直接就是AI生产的那个东西本身。每个段落、每句话、每个用词就是实质内容。代码写得再烂，只要跑出来的东西对就能用；写作如果是slop，连"跑出来的东西"都不存在。

好的写作要求在恰当的时刻制造意外。这种意外不是随机提高温度参数就能产生的，关键在于精确知道在哪个点上做出不可预测的选择。这恰好与自回归的本质，即预测最可能的下一个token，相矛盾。

Dwarkesh补充了一个更底层的原因：AI缺乏心智理论。 他提到Andy Matuschak和Ozzie Kirkby对LLM生成间隔重复学习卡片的研究。在他们2026年的Memory Machines基准测试中，表现最好的模型仍有36%的卡片不可用。核心瓶颈是写一张好卡片需要预测使用者3个月后的心智状态。写作面临同样的问题：好的作者在写每一句话时都应该思考读者此刻脑中发生了什么。

Sanderson提到了一个可能相关的实验：注射过肉毒素的人在识别他人面部表情方面表现变差。假说是理解别人的情绪有一部分通过自己的面部肌肉在潜意识层面模仿对方的表情来实现。面部冻住了，镜像机制就断了。LLM没有面部肌肉，没有身体经验，没有"把自己放进对方位置"的现成硬件。 它拥有人类写下的一切文本，但潜意识层面的"设身处地"是完全不同的能力。从这个角度看，LLM缺乏心智理论一点都不奇怪。

7. LLM是维基百科，不是导师

Sanderson用一个切身经历说明了LLM在学习方面的价值和局限。

他尝试用LLM学半导体相关知识时觉得纯文本不够直观，就问Claude有没有好的可视化视频。Claude推荐了几个，排在第一位的据说来自3Blue1Brown。Sanderson说："我可以保证3Blue1Brown没有做过这个视频。" Claude给了一个真实的链接，但把别人的视频误归到了他名下。不过那个视频确实好。他点过去看完之后的学习体验远好于继续在对话框里追问。

这个例子背后是他对学习的一个核心判断：选择"谁"来学比选择学"什么"更重要。 他建议大学生选课时少看学科兴趣、多看教授是不是好的教育者。选书时如果喜欢一本书，下一本该读的是这个作者的其他作品，而不是同一主题的另一本书。

LLM的解释在他看来类似维基百科：每句话都是对的，但缺少一个个人在刻意构建动机和叙事弧线。 维基百科的文章之所以读起来平，是因为它是众包的，每句话都要经受"正确性"的审查，而一个好的解释者有时需要在途中故意说一些"不完全对"的话，之后再修正，以此构建理解的脚手架。这种手法在众包环境中会被编辑掉，在LLM的训练中也会被平滑掉。维基百科最有用的部分往往是底部的参考文献列表。同样，LLM最有用的功能之一可能是帮你找到该去读谁的东西。

他描述了自己最高效的学习场景：屏幕三分之一是Steven Strogatz的混沌与非线性动力学课堂录像，三分之一是同一本教科书的对应章节，三分之一是一个LLM。Strogatz负责选择概念的呈现顺序和动机构建，教科书负责细节，LLM负责在他卡住时做即时的辅助解释。但框架是Strogatz提供的，不是LLM提供的。

Sanderson还指出了一个LLM目前做不到的事：当你问了一个错误的问题时，告诉你"你的问题本身就不对"。 一个好的人类教师会说"你其实不该这么想这个问题，你该想的是另一个问题"。LLM太迁就了，它会顺着你的错误框架往下跑，而不是把你拉回来。他承认，最好的教师，那种能把学生的错误思路柔道式地翻转过来的教师，是更高的标准，也许五年后LLM也能做到这一点。

8. 策展人、教师、蒸馏器

Sanderson说他听到过的一个有趣类比是：未来数学家的角色可能更像艺术博物馆的策展人。 AI可能在证明和解释方面都做得比人类好。但在几乎无限的数学概念空间中，仍然需要有人帮你导航：哪些想法值得你花时间去理解？

即使AI在策展方面也更擅长，人类仍然会倾向于信任与自己有关系的人类策展人，因为我们被某个话题吸引往往是一种社会现象。就像人类音乐家不会因为AI生成的MP3在客观质量上更好就失去角色，因为音乐人背后有故事，有社会功能。 Dwarkesh的听众信任的是Dwarkesh的策展，选择什么话题值得做一期节目，而不是因为某个特定话题恰好是他们事先想了解的。

Sanderson明确判断：教学可能是后AGI时代最稳定的职业之一。 教学的核心是关系性的。它远超出"解释"的范畴，是社交的、教练式的、导师式的。如果人们在富足世界中有更多财富，花在好教育上的钱反而会更多。

他还给了准备进入数学领域的学生一条通用建议：搞清楚你的薪水到底从哪里来，你到底在为谁创造什么价值。 是大学的品牌价值？是NSF基金背后的"基础科学是公共产品"的信念和围绕这个信念的整套官僚机制？还是直接的教学服务？不管AI进展如何，问清楚这些问题的学生已经领先一步了。他坦言自己是偶然撞进"把数学探索变成娱乐"这条路的，本来可以更早通过主动思考而不是依赖运气到达这里。

在最激进的情景中，如果AI在数学领域看到了远超人类视野的东西，Sanderson认为如果还有任何工作存在，"把AI学到的东西蒸馏给人类"一定是其中之一。 而且策展人的经济价值反而更大了：能理解AI数学成果并判断它应该指向哪个应用方向的人，一个判断能撬动的价值比以前大得多。

9. 加速100倍的数学，对现实世界有用吗？

对话快结束时Dwarkesh问了一个可能让数学家不太舒服的问题：如果数学研究被AI加速了10倍甚至100倍，现实世界会有什么变化？

Sanderson说这取决于加速发生在哪个分支。他举了一个具体例子：一位做动力学和偏微分方程的数学家，其团队帮波音公司用模拟替代了原本需要拆解和重建飞机才能做的测试，据说节省了数十亿美元，波音因此直接资助了那个研究组。在偏微分方程相关领域，数学进步确实能直接推动引擎设计和计算流体力学模拟效率。

但代数数论就是另一回事了。Sanderson承认，这个领域的进展几乎不太可能直接"解锁"实际应用。如果AI加速的数学进展主要发生在那些早已与物理现实脱节的纯粹数学分支中，世界可能会尴尬地发现：数学界几十年来在基金申请书里写的那些"椭圆曲线的进步将有助于密码学"之类的许诺，也许并不兑现。

他说，这可能是AI数学进步带来的最不舒服的副产品之一：迫使数学界正视一个问题，即过去几十年提出的大量研究方向，到底有没有触及物理世界。但如果我们真的进入了AI带来的富足世界，可能反而会有更多资金流向基础科学，因为社会对"公共产品"的投入意愿随财富增加而增加。

即便某些纯粹数学分支没有直接应用，Sanderson指出人类文明几千年来一直在积累这个知识体系。如果AI把积累速度提高了一个数量级，至少当未来某个应用场景出现时，知识储备已经在那里等着了。他用一句话概括了自己对整个局面的态度："如果在未来五年里，AI在数学领域的进展没有任何一项溢出到有经济价值的应用中，那会让人有点失望，也有点奇怪。"

核心问答

Q1: AI在数学领域进展最快的原因是什么？不只是因为结果可验证。同等重要的是数学问题可以无限"刷"：你可以启动成千上万个并行rollout反复尝试同一个问题，结果确定性高，信用分配清晰。真实世界的任务做不到这一点，因为每次起点不同、环境不可重复、还有反爬虫机制。代码与数学共享这两个属性，所以也跑得快。

Q2: AI数学进展的下一个门槛是什么？Sanderson认为是猜想生成和定义创造。好的数学家证明定理，伟大的数学家提出猜想，最伟大的数学家创造定义。但这两件事没有清晰的成功/失败判据，不能变成基准测试，因此也不能直接用RLVR来训练。衡量方式将是主观的：数学家在谈论AI时语气的转变，从"它帮我解了题"变成"它帮我想清楚了应该研究什么方向"。

Q3: 面对AI冲击，数学从业者和学生应该怎么想？搞清楚你的薪水到底从哪里来。教学是后AGI时代最稳定的工作之一，因为它的核心是社会关系。如果AI加速的数学进展向工业领域溢出，能理解这些成果并判断它们应该指向哪个方向的"策展人"，一个判断能撬动的价值比以往大得多。